TinkerLab
ARTIFACT // SETUP-JETSON-SUPER-EDGE-LLM.SH (SHELL)

Jetson Orin Nano Super (25W 67 TOPS) 显存释放、功耗解锁与边缘模型自检脚本 (setup-jetson-super-edge-llm.sh)

验证并切换 JetPack 6.2 25W MAXN_SUPER 模式,支持关闭桌面 GUI 释放 1.1GB 统一内存、清理页缓存,并实测边缘小模型 CUDA 生成速率。

[核心实测结论 / TL;DR]本配置包「Jetson Orin Nano Super (25W 67 TOPS) 显存释放、功耗解锁与边缘模型自检脚本」(文件名:setup-jetson-super-edge-llm.sh,格式:SHELL)是 Tinker AI 实测工坊配套指南《jetson-orin-nano-super-vs-pi5-ai-hat-26tops-vision-llm》的参数化生产模板。支持在本地浏览器实时定制 nvpmodel 功耗模式 ID (2 代表 25W MAXN_SUPER) (POWER_MODE_ID=2)、边缘推理模型 Tag (EDGE_MODEL=qwen3:4b-q4_K_M)、边缘上下文上限 (num_ctx) (EDGE_CTX=4096) 等 3 项核心变量,默认遵循 127.0.0.1 回环绑定与最小权限规范。
03 // MAKERAI 创客 / STEM· 验证日期:2026-10-27
查看全部 42 套配置附件 →
setup-jetson-super-edge-llm.sh

Jetson Orin Nano Super (25W 67 TOPS) 显存释放、功耗解锁与边缘模型自检脚本

验证并切换 JetPack 6.2 25W MAXN_SUPER 模式,支持关闭桌面 GUI 释放 1.1GB 统一内存、清理页缓存,并实测边缘小模型 CUDA 生成速率。

查看配套实测指南 →
参数化定制变量 (Variables — 自动保存在本地浏览器)
UTF-8 编码 · 零延迟实时编译
#!/usr/bin/env bash
# Tinker AI — Jetson Orin Nano Super (JetPack 6.2 · 67 TOPS) Edge AI Verifier (Guide #22)
set -euo pipefail

MODE_ID="2"
MODEL="qwen3:4b-q4_K_M"
CTX="4096"

echo "=== [1/4] Verifying JetPack Power Profile (Target: Mode $MODE_ID / 25W MAXN_SUPER) ==="
if command -v nvpmodel >/dev/null 2>&1; then
  sudo nvpmodel -m "$MODE_ID" || true
  sudo nvpmodel -q
  sudo jetson_clocks --show | head -n 8 || true
fi

echo "=== [2/4] Unified 8GB LPDDR5 Memory & Page Cache Audit ==="
free -h
echo "Reclaiming Linux page cache before CUDA allocation..."
sync && echo 3 | sudo tee /proc/sys/vm/drop_caches >/dev/null
echo "Tip: Run 'sudo systemctl isolate multi-user.target' to free ~1.1GB from Ubuntu GDM3/GNOME."

echo "=== [3/4] Running Deterministic CUDA Benchmark ($MODEL @ num_ctx=$CTX) ==="
curl -sS http://127.0.0.1:11434/api/generate -d "{
  \"model\": \"$MODEL\",
  \"prompt\": \"/no_think Summarize 3 sensor anomalies from a warehouse AMR robot in JSON format.\",
  \"stream\": false,
  \"options\": { \"num_ctx\": $CTX, \"temperature\": 0, \"seed\": 42 }
}" | python3 -c "
import sys, json
d = json.load(sys.stdin)
ec = d.get('eval_count', 0)
ed = d.get('eval_duration', 1) / 1e9
print(f'Jetson CUDA Decode Rate: {ec/ed:.2f} tokens/sec ({ec} tokens)')
"

echo "=== [4/4] Active GPU Memory & Thermal Headroom ==="
ollama ps
cat /sys/devices/virtual/thermal/thermal_zone0/temp 2>/dev/null | awk '{printf "SoC Temp: %.1f C\n", $1/1000}' || true
PARAMETER SPECIFICATION // 参数化变量规范说明表

「setup-jetson-super-edge-llm.sh」可定制环境变量与默认值说明

本配置模板(SHELL 格式)支持 3 项运行时参数注入,所有替换均在本地浏览器内完成。

模板占位符参数用途说明安全默认值填写示例
{{POWER_MODE_ID}}nvpmodel 功耗模式 ID (2 代表 25W MAXN_SUPER)22
{{EDGE_MODEL}}边缘推理模型 Tagqwen3:4b-q4_K_Mqwen3:4b-q4_K_M
{{EDGE_CTX}}边缘上下文上限 (num_ctx)40964096
PAIRED HARDWARE MANIFEST // 配套实测环境与边界记录

配套指南《NVIDIA Jetson Orin Nano Super (67 TOPS) 对决树莓派 5 AI HAT+ (26 TOPS) 与 IMX500 智能相机:边缘视觉与小模型实测》验证基线

实测硬件与操作系统 (Hardware & OS)

NVIDIA Jetson Orin Nano Super 8GB(JetPack 6.2 · 25W MAXN_SUPER · 102 GB/s)对照 树莓派 5 8GB + AI HAT+ 26 TOPS (Hailo-8) + 官方 AI Camera (Sony IMX500)

锁定软件栈与模型版本 (Pinned Versions)
JetPack 6.2 (L4T R36.4.3)Raspberry Pi OS Bookworm 64-bitimx500-all 1.1.0 / HailoRT 4.19Ollama 0.6.2 (CUDA & ARM64)qwen3:4b-q4_K_M
离线与安全边界 (边缘视觉 + 语言模型 100% 离线闭环)

IMX500 传感器固件 (`.rpk`)、Hailo 权重 (`.hef`) 与 Ollama 模型均从本地存储直接加载,断网下完整运行。

已知限制与失败边界 (Known Limits)
  • 树莓派 AI Camera (Sony IMX500) 可在摄像头传感器内部直接运行 YOLOv8n 检测(树莓派 CPU 占用 0%),但片上 SRAM 仅约 8MB,无法运行大语言模型或图文大模型。
  • Jetson Orin Nano Super 的 8GB LPDDR5 由系统与 CUDA 共享;若不关闭 Ubuntu GNOME 桌面(占约 1.1GB),加载 4B 模型极易触发 CUDA OOM,建议切换至无头模式 `multi-user.target`。
DEPLOYMENT CHECKLIST // 配置落地核验步骤

部署 setup-jetson-super-edge-llm.sh 后的 3 步验收清单

  1. 在 Jetson Orin Nano Super 上已通过 `sudo nvpmodel -q` 确认开启 `MAXN_SUPER`(25W 模式)且散热风扇正常运转。
  2. 已关闭 Jetson 桌面 GUI 切换至无头模式,并通过 `free -h` 确认可用统一内存达到 6.4 GB 以上。
  3. 在树莓派 5 + AI Camera 环境,已通过 `dmesg | grep imx500` 确认传感器成功加载 `.rpk` 神经网络固件。